Predictive Analytics verbindet Sales und Marketing

Dastani Consulting beantwortet die Frage, wie Unternehmen mit Predictive Analytics ihren Profit erhöhen. Ob unsere Gesprächspartner auf Kundenseite Vertriebsleiter oder Marketingmanager sind, spielt dabei keine Rolle. Wichtig ist vielmehr das gemeinsame Ziel. Ein Beitrag auf customer think macht deutlich, dass das noch immer nicht die Regel ist.

Anfang Februar stellte Tech-Blogger Raja Satish die provokante Frage: „Is Technology Bridging the Sales and Marketing Divide?“ Provokant deshalb, weil zum einen das Silodenken in unterschiedlichen Abteilungen Unternehmen zur Stagnation verdammt. Zum anderen weil Vertrieb und Marketing gerade in digital turbulenten Zeiten Hand in Hand arbeiten und sicher keine Zeit und Energie in Grabenkämpfe verlieren sollten.

Raja Satish skizziert die klassische Aufgabenverteilung: „In a traditional set up, sales and marketing have been looked at as two separate functions wherein the latter is used for lead generation and the former is about conversion of prospects to customers.“ Leads generieren, Interessenten ansprechen und diese schließlich in Kunden umwandeln: So sieht der steinige Weg zu neuem Umsatz aus. Die Vielzahl der heutigen Kommunikationskanäle verwischt allerdings die Grenze zwischen den einzelnen Schritten: „Gehört“ der Adressat eines personalisierten Newsletters noch dem Marketing oder schon dem Vertrieb? Eine Reihe von Marketingmaßnahmen richtet sich per se an Bestandskunden und soll zum Kaufen bewegen – Vertrieb oder Marketing?

Dem zeitgemäßen Vertriebs- und Marketingmix entsprechen Big-Data-Ansätze wie Predictive Analytics – eher als beispielsweise vertriebsorientierte CRM-Systeme, bei denen es Raja Satish schon für einen Fortschritt hält, wenn sie um Marketingfunktionen erweitert wurden. Predictive Analytics funktioniert vollkommen „bereichsneutral“ und vom Prinzip her immer gleich:

  • Die richtige Frage stellen Was muss der Kunde wissen, um seinen Umsatz zu steigern oder seinen Deckungsbeitrag zu erhöhen:
    – Welche Unternehmen würden mit hoher Wahrscheinlichkeit Produkte kaufen und für welche Produkte interessieren sie sich?
    – Welchen Umsatz kann ich mit jedem einzelnen Bestandskunden machen? Mit welchem Produktbereich?
    – Welche Produkte kauft der individuelle Onlineshopper mit hoher Wahrscheinlichkeit bei seinem nächsten Besuch im Shop? Welche Next Best Offer biete ich ihm an?
  • Datenbestand analysieren In der Regel bieten die Daten aus der betriebswirtschaftlichen Software eine hervorragende Basis für Predictive Analytics
  • Prognosemodell entwickeln und anwenden Das an die individuelle Frage und die Datenstruktur angepasste Prognosemodell kann sehr große Datenmengen bearbeiten und ist selbstlernend. Es liefert immer bessere Ergebnisse

Wenn wir in Projekten eine „Kluft“ bemerken, verläuft diese nicht zwischen Vertrieb und Marketing, sondern eher zwischen Management und Fachabteilungen oder zwischen datenbegeisterten und datenskeptischen Unternehmensvertretern. Da aber letztlich in der gesamten Vertriebsorganisation nicht der Weg, sondern der Profit das Ziel ist, genügen meist erste Zahlen, um die Kritiker zum Schweigen zu bringen. Anders als Raja Satish vermutet, schließt nicht die Technologie, sondern der Profit die Kluft, ganz gleich, zwischen welchen Parteien sie verläuft.